Geschreven door Dr Rachel Harding Bewerkt door Dr Sarah Hernandez Vertaald door Vik Hendrickx

Wetenschappers hebben een nieuw model ontwikkeld om de verschillende stadia van de ZvH gedetailleerd in kaart brengt. Met behulp van artificiële-intelligentiebenaderingen waren ze in staat om informatie te filteren uit grote datasets die verzameld werden tijdens observatieonderzoeken bij ZvH-patiënten. Een team onderzoekers van IBM en de CHDI Foundation heeft een nieuw ZvH-progressiemodel gepubliceerd in het tijdschrift Movement Disorders. Ze hopen zo in de toekomst het ontwerp van klinisch ZvH-onderzoek te verbeteren.

De progressie van ZvH-symptomen voorspellen is ingewikkeld

De ZvH wordt veroorzaakt door een verlenging van het huntingtine-gen wat leidt tot de aanmaak van een verlengde vorm van het huntingtine-eiwit. Studies van ZvH-laboratoriummodellen en bij ZvH-gendragers tonen aan dat het verlengde gen en de productie van de verlengde eiwitvorm een cascade aan problemen veroorzaakt. Beginnend met kleine moleculaire veranderingen zullen mensen met de ZvH uiteindelijk een reeks verschillende symptomen ervaren i.v.m. denken, bewegen en humeur, en die in de loop van de tijd erger worden.

Wetenschappers tasten in het duister over hoe ze de verschillende fasen van de ZvH het beste kunnen categoriseren. Deze nieuwe studie met behulp van kunstmatige intelligentie hoopt enig licht op dit probleem te werpen.
Wetenschappers tasten in het duister over hoe ze de verschillende fasen van de ZvH het beste kunnen categoriseren. Deze nieuwe studie met behulp van kunstmatige intelligentie hoopt enig licht op dit probleem te werpen.
Foto of beeldvorming: Ars Electronica / Robert Bauernhansl

Symptomen van de ZvH treden meestal op tussen het 30ste en 50ste levensjaar. Wanneer hangt af van tal van factoren. We weten al lang dat mensen met een verlengd huntingtine-gen de neiging hebben om eerder symptomen te ontwikkelen. Gezonde levensstijlkeuzes zoals een uitgebalanceerd dieet en regelmatige lichaamsbeweging kunnen het begin van de symptomen vertragen, en ook zogenaamde genetische ”modificatoren” beïnvloeden de leeftijd waarop een gendrager de ziekte kan ontwikkelen.

Ons begrip over het ziekteverloop en over hoe symptomen evolueren in de loop van de tijd is nog steeds beperkt. Wetenschappers van over de hele wereld hebben daarom talloze observationele onderzoeken uitgevoerd waarbij symptomen, biomarkers en andere metingen gedurende lange tijd werden opgevolgd. Het betreft PREDICT-HD, REGISTRY, TRACK-HD en Enroll-HD, samen ongeveer 25.000 deelnemers. Er werden zeer grote datasets gegenereerd en meer dan 2000 verschillende metingen uitgevoerd. Dit zijn massa’s echt nuttige gegevens, allemaal mogelijk gemaakt door de toewijding en deelname van ZvH-families aan deze onderzoeken.

Geautomatiseerd leren helpt ons om meer te leren over de ZvH-progressie

Door al deze datasets samen te bekijken kunnen wetenschappers nieuwe patronen ontdekken en nieuwe conclusies trekken. Dit soort analyses handmatig uitvoeren is echter buitengewoon arbeidsintensief en uitdagend. Dit is waar slimme computerwetenschappers tussenkomen! Ze gebruiken coole nieuwe methoden om met computers tegelijkertijd naar alle gegevens te kijken en maken daarbij gebruik van wat men artificiële intelligentie of AI noemt.

Samen hebben deze onderzoeken geleid tot zeer grote datasets met meer dan 2000 verschillende metingen van 25.000 deelnemers. Een massa echt nuttige gegevens, mogelijk gemaakt door de inzet en deelname van ZvH-families aan deze onderzoeken.

Een veelgebruikte AI-aanpak wordt geautomatiseerd leren genoemd. Met dit type AI-software is men steeds beter in staat om resultaten te voorspellen. Modellen worden ontwikkeld op basis van trainingsdatasets die worden gebruikt om te “leren”, echter zonder expliciet hiervoor geprogrammeerd te zijn. Geautomatiseerd leren is een vakgebied op zich in biomedisch onderzoek, maar heeft ook veel andere toepassingen zoals bv. e-mailfiltering en spraakherkenning.

IBM- en CHDI-onderzoekers gebruikten geautomatiseerde leertechnieken om met een nieuw model een beter inzicht te krijgen in de ziekteprogressie en de ziektestadia te categoriseren. Het model werd vervolgens getest aan de hand van een aantal metingen verzameld tijdens onderzoek naar de voortgang van de ziekte. Het betreft de Unified Huntington’s Disease Rating Scale (UHDRS), totale functionele capaciteit (TFC) en het CAG-leeftijdsproduct, ook wel de CAP-score genoemd.

Het nieuwe model definieert 9 fases van de ZvH, allemaal afgeleid uit verschillende metingen die beweging, denken en dagelijks functioneren beoordelen. Deze fases beginnen bij de vroege ontwikkelingsstadia van de ziekte voordat motorische symptomen optreden, en eindigen in de latere stadia met de ernstigste symptomen. Het model was in staat de kans op overgang tussen de fases en de duurtijd van elke fase te voorspellen. Terwijl andere studies hadden vastgesteld dat het hele ziekteverloop plaatsvindt over een periode van ongeveer 40 jaar, is dit de eerste keer dat onderzoekers bij patiënten de te verwachten tijdsduur hebben voorspeld voor de 9 fases van de ziekte.

Kunstmatige intelligentie wordt op veel verschillende manieren gebruikt om problemen op te lossen in vb. geneeskunde, communicatie, transport enz.
Kunstmatige intelligentie wordt op veel verschillende manieren gebruikt om problemen op te lossen in vb. geneeskunde, communicatie, transport enz.
Foto of beeldvorming: Image via www.vpnsrus.com

Nieuwe modellen van ZvH-progressie en hun impact op het ontwerp van klinische studies

Met dit handige nieuwe 9-fasenmodel voor de ZvH-progressie kunnen we meer leren over de verschillende stadia van de ziekte en over het tijdsverloop van en overgang tussen de fases. Onderzoekers van IBM en CHDI hopen dat het model kan helpen bij het selecteren van de meest geschikte kandidaten voor bepaalde klinische ZvH-studies en voor het identificeren van betrouwbare biomarkers tijdens het volgen van de ziektevoortgang. Hopelijk zal het model ook kunnen bijdragen aan het ontwerp van betere klinische studies.

Dit is een boeiende verdere stap voor het ZvH-onderzoek. We kijken er naar uit meer te leren over andere AI-toepassingen in het ZvH-onderzoek en naar nieuwe benaderingen om dit opwindende wetenschapsgebied verder te ontwikkelen.